一家公司运营十年,招聘了大量优秀的人,做了无数成功的项目。
但有一天,那个"最懂品牌"的总监离职了。下一个接手的人,翻遍所有系统,找不到那些判断背后的逻辑——为什么拒掉了这个创意方向、为什么这个词不能用、为什么这个色调在去年出了问题。
那些知识,并没有消失。它们只是从未被记录过。
默会知识:
那些"只可意会"的东西
1958年,哲学家迈克尔·波兰尼(Michael Polanyi)提出了一个影响深远的概念:默会知识(tacit knowledge)。
他的原话是:"We can know more than we can tell."
我们知道的,远比我们能说出来的多。
波兰尼举了一个例子:骑自行车。你会骑,但你无法用语言完整地描述"怎么骑"——那种微妙的重心调整、踩踏时机、方向判断,是身体记住的,不是语言能复现的。
这类知识存在于所有复杂的人类活动中:外科医生的手感、老工程师的直觉、优秀设计师对"好作品"的判断力。它们通过实践积累,通过师徒传授,却几乎无法被系统化地捕捉和传递。
默会知识是人类最宝贵的知识形态,也是组织最难以留存的资产。
https://extendedbrain.substack.com/p/gems-from-polanyis-personal-knowledge
数字化记录了什么,
又遗漏了什么
过去三十年,企业花了大量钱在"知识管理"上。ERP、CRM、文档系统、项目管理工具……结果呢?
这些系统记录的,都是显性知识:合同编号、项目状态、会议纪要、报表数据。它们是组织的"骨架",有结构,可查询,能统计。
但组织真正的运转,依赖的是另一种东西:一次失败项目后团队形成的共识、一个客户反复提到的词背后的偏好、一次内容爆发之后沉淀下来的选题直觉。这些是默会知识。它们活在聊天记录、提案批注、内部复盘的只言片语里,甚至只活在某个人的记忆里。
传统IT架构处理不了这类信息。结构化数据是"骨头",系统很擅长;非结构化数据是"血肉",系统基本放弃。
于是我们得到了一个悖论:企业数字化越深入,留存下来的知识反而越单薄。
AI为什么在大多数企业失败了
过去两年,几乎每家企业都接入了大模型。但真正从AI获得可持续回报的,不超过1%。
问题出在哪里?
不是模型不够强。GPT-4、Claude、通义千问,每隔几个月就有更好的版本。但模型再强,它也不知道:
- 你的品牌为什么不能用某类词
- 你的用户上周在讨…